面板数据模型-理论部分.pptxVIP

面板数据模型1.面板数据模型概述1.1面板数据的含义面板数据（paneldata）也称也称平行数据，或时间序列截面数据（timeseriesandcrosssectiondata）或混合数据（pooldata），是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。面板数据从横截面上看，是由若干个体在某一时刻构成的截面观测值，从纵剖面上看是一个时间序列。

经济分析中的平行（面板）数据问题在经济分析中，尤其是通过建立计量经济学模型所进行的经济分析中，经常发现，只利用截面数据或者只利用时间序列数据不能满足分析的目的的需要。例如，如果分析成本问题，只利用截面数据，即选择同一截面上不同规模的企业数据作为样本观测值，可以分析成本和企业规模的关系，但不能分析技术进步对成本的影响；只利用时间序列数据，即选择同一企业在不同时间上的数据作为样本观测值，可以分析成本和技术进步的关系，但是不能分析企业规模对成本的影响。如果采用平行（面板）数据，即在不同时间上选择不同规模的企业数据作为样本观测值，既可以分析成本与技术进步的关系，也可以分析成本与企业规模的关系。

再例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。对于面板数据来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balancedpaneldata）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalancedpaneldata）。

1.2面板数据模型的基本类型面板数据模型是线性回归模型，其模型为：1(i=1,2,…n;t=1,2,….T)（13.1）2式中yit为被解释变量y的第i个截面个体在第t期的观测值；3αit是待估的第i个截面个体在第t期的截距；4βkit是边际值，是待估的第k个解释变量对应第i个截面个体在第t期的系数；5uit为随机扰动项。6n是截面个体个数，T是每个截面个体时序样本容量，p是解释变量个数7

将式13.1改写为矩阵形式：yit=αit+xTitβit+uit(i=1,2,…n;t=1,2,…T)(13.2)式中xTit=（x1itx2it…xpit）为解释变量行向量；βTit=(β1itβ2it…βpit)为待估系数行向量。

若式（13.2）满足参数时间齐性，即截面参数不随时间而变化，则式（13.2）可改写为模型（Ⅰ）：yit=αi+βiTxit+uit模型（I）即为变系数（VariableCoefficient）面板数据模型。变系数面板数据模型若式（13.2）满足斜率参数齐性（相同），但截距不同。即α1≠α2≠…≠αn,β1=β2=…βn.则式（13.2）可改写为模型（Ⅱ）:yit=αi+βTxit+uit模型（Ⅱ)为变截距（VariableIntercept）面板数据模型（最常用的一种形式）。变截距面板数据模型若式（13.2）满足截距和斜率齐性，即α1=α2=…=αn,β1=β2=…βn.则式（13.2）可改写为模型（Ⅲ）：yit=α+βTxit+uit称模型（Ⅲ）为常系数面板数据模型。常系数面板数据模型

模型的单位根检验面板数据模型要求面板变量是平稳的，若非平稳应是一阶单整，否则是伪回归。故在建立模型之前要对面板变量进行单位根检验

模型的识别模型的识别包括效应模型的确定和具体模型的确定。效应模型包括确定效应（Fixed-effects）和随机效应（Random-effects）模型。变系数面板数据模型和变截距面板数据模型才有确定效应（Fixed-effects）和随机效应（Random-effects）模型之分，并对应不同的参数估计方法。

3.1确定效应模型和随机效应模型检验（1）确定效应模型是指把β当做未知的常数；随机效应模型是指把β当做随机变量。（2）适用于确定效应模型的情况：只关心变量的情况，依据样本特征进行推论。比如，在对不同省市城镇居民平均消费支出与可支配收入的关系研究中，如果我们只关注样本截面个体的对比研究，关心有关省市居民消费支出，进行消费支出比较，不关心总体情况，我们就可以从研究目的的角度出发选择确定效应模型。适用于随机效应模型的情况：关心总体的情况，把样本当做总体的抽样，依